基于分段双样本 T 检验增广损失的高分辨率医学图像分割边界检测
图像与视频处理
2022-11-07 v1 计算机视觉与模式识别
机器学习
摘要
深度学习方法极大推动了医学图像分割的快速发展，其质量依赖于损失函数的恰当设计。包括交叉熵与 dice 损失在内的常用损失函数往往在边界检测上表现不足，从而限制了自动化诊断与操作等高分辨率下游应用。我们开发了一种新颖的损失函数，旨在反映边界信息以增强边界检测。由于沿分类边界的分割区域与背景区域之间的对比自然引发了像素上的异质性，我们提出了分段双样本 t 检验增广（PTA）损失，其融入了针对此种异质性的统计检验。我们证明了 PTA 损失相比无 t 检验组件的基准损失具有更强的边界检测能力。
关键词
引用
@article{arxiv.2211.02419,
title = {High-Resolution Boundary Detection for Medical Image Segmentation with Piece-Wise Two-Sample T-Test Augmented Loss},
author = {Yucong Lin and Jinhua Su and Yuhang Li and Yuhao Wei and Hanchao Yan and Saining Zhang and Jiaan Luo and Danni Ai and Hong Song and Jingfan Fan and Tianyu Fu and Deqiang Xiao and Feifei Wang and Jue Hou and Jian Yang},
journal= {arXiv preprint arXiv:2211.02419},
year = {2022}
}